GLM-5 Modell-Übersicht

GLM-5 ist das neue SOTA-Modell von Z.ai (ehemals Zhipu AI) und der Nachfolger von GLM-4.7. GLM-5 wurde am 11. Februar 2026 veröffentlicht und gilt zum Zeitpunkt der Veröffentlichung als das beste Open-Weights Modell, das sich herunterladen und sich lokal auf Rechnern ausführen lässt. Mit 744 Milliarden Parametern (40B aktiv) in einer Mixture-of-Experts-Architektur wurde es laut Z.ai vollständig auf Huawei Ascend Chips trainiert. Es gilt damit als erstes Frontier-MoE-Modell, das komplett ohne NVIDIA-Hardware trainiert werden konnte. GLM-5 integriert den Sparse Attention Mechanismus von DeepSeek für effiziente Verarbeitung langer Inputs sowie eine eigene Reinforcement-Learning Struktur für das Post-Training. GLM-5 übertrifft teilweise die Benchmark Scores westlicher Modelle und weist laut ArtificialAnalysis.ai die niedrigsten Halluzinationsraten aktueller Frontier-Modelle auf.

Playground API Dokumentation Hugging Face GitHub Blog

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

200k Token

128k Token

28.500 Mrd.

744 Mrd.

$1.00

$3.20

154,88k

1404,19 GB

GLM-5 Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

GLM-5 Benchmark Übersicht

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.
Serie	Logik & Schlussfolgerung (min 0 / max 100)	Wissenschaft (min 0 / max 100)	Programmierung (min 0 / max 100)	Agentisch (min 0 / max 100)
Z.ai GLM-5	30.5	86	77.8	72.95

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark Graduate-Level Google-Proof Q&A Benchmark - Diamond Subset. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Gemini 3 Deep Think	93,8 %
GPT-5.2 Pro	93,2 %
GPT-5.2	92,4 %
Claude Opus 4.5	87 %
Gemini 2.5 Pro	86,4 %
GLM-5	86 %
DeepSeek-v3.2 Speciale	85,7 %
GLM-4.7	85,7 %

Vergleich von LLMs im Benchmark Graduate-Level Google-Proof Q&A Benchmark - Diamond Subset. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 4.5	80,9 %
Claude Opus 4.6	80,8 %
GPT-5.2	80 %
GLM-5	77,8 %
Claude Sonnet 4.5	77,2 %
Kimi K2.5 (Thinking)	76,8 %

Vergleich von LLMs im Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Tau2-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 4.6	95,6 %
Claude Opus 4.5	93,55 %
GPT-5.2	90,35 %
GLM-5	89,7 %
GLM-4.7	87,4 %
MiniMax M2.1	87 %

Vergleich von LLMs im Benchmark Tau2-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5.3-Codex	77,3 %
Claude Opus 4.6	65,4 %
Claude Opus 4.5	59,3 %
GLM-5	56,2 %
Kimi K2.5 (Thinking)	50,8 %
MiniMax M2.1	47,9 %

Vergleich von LLMs im Benchmark Terminal-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	MoE-Transformer
Input Kontextlänge	200k
Output Kontextlänge	128k
Tokenizer	GLM Tokenizer

Besonderheiten

Neue Reinforcement-Learning-Infrastruktur	"Slime" (asynchrones RL)
Attention Mechanismus	DeepSeek Sparse Attention (DSA)
Adaptive Thinking Mode	Auswahlmöglichkeiten aus verschiedenen Reasoning-Modi

Vorteile & Nachteile

Vorteile

Führendes Open-Source-Modell
GLM-5 ist das erste Open-Weight-Modell, das einen Score von 50+ auf dem Artificial Analysis Intelligence Index erreicht. Es liegt auf einem Level mit proprietären westlichen Modellen wie Opus-4.5 und GPT-5.2 (high
Niedrige Halluzinationsrate
GLM-5 erreicht die niedrigste jemals gemessene Halluzinationsrate aller von ArtificialAnalysis.ai getesteten Modelle.
Starke Coding- und Agent-Fähigkeiten
GLM-5 erreicht mit 77,8% im SWE-bench Verified, 75,9 in BrowseComp (Top-Platzierung) und 89,7% im τ²-Benchmark hervorragende Ergebnisse, auf dem Level proprietärer Modelle.
Open Weights unter MIT-Lizenz
Z.ai veröffentlicht GLM-5 vollständig open-source auf HuggingFace. Du kannst die Gewichte herunterladen und das Modell lokal deployen und ausführen, vorausgesetzt, deine Hardware ist stark genug. Kommerzielle Nutzung erlaubt.
Unabhängig von NVIDIA-Hardware
Dass GLM-5 angeblich ohne NVIDIA Hardware trainiert werden konnte, könnte einen Durchbruch im LLM-Training bedeuten. Die Abhängigkeit chinesischer Modelle von US-Firmen wird immer weiter abgebaut.
Gutes Preis-/Leistungsverhältnis
Mit $1,00 / $3,20 pro Million Input- / Output-Tokens ist GLM-5 deutlich günstiger als vergleichbare Frontier-Modelle von Anthropic oder OpenAI.

Nachteile

Nur Text-Input
GLM-5 ist kein multimodales LLM. Für Bilder / Computer Vision wird ein separates Modell, vmtl zukünftig GLM-5V benötigt.
Sehr hohe Hardware-Anforderungen
In BF16-Präzision ist GLM-5 ca. 1,51 TB groß. Um das Modell lokal ausführen zu können, muss man damit rechnen, dass mind. 8 leistungsstarke GPUs benötigt werden.
Politischer Bias
Wie bei anderen chinesischen Modellen auch, muss davon ausgegangen werden, dass das Modelle unter politischen Einflüssen trainiert wurde und entsprechend eine Interpretation der Historie Chinas widergibt.

Vergleiche GLM-5 mit anderen LLMs

Vergleiche GLM-5 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	GPQA
DeepSeek AI	DeepSeek-v3.2 Speciale	MIT	685 Mrd.	131,07k	64k	$0.28	$0.42	88,7 %
Moonshot AI	Kimi K2.5	MIT	1.000 Mrd.	256k	96k	$0.60	$3.00	85 %
Z.ai	GLM-4.7	MIT	400 Mrd.	200k	128k	$0.60	$2.20	84,9 %
DeepSeek AI	DeepSeek-v3.2	MIT	685 Mrd.	131,07k	64k	$0.28	$0.42	83,3 %
Moonshot AI	Kimi K2 Thinking	MIT	1.000 Mrd.	262,14k	262,14k	$0.60	$2.50	83,1 %
MiniMax	MiniMax-M2	MIT	230 Mrd.	204,8k	131,07k	$0.30	$1.20	83 %
Z.ai	GLM-4.6	MIT	355 Mrd.	200k	128k	$0.60	$2.00	82,8 %
MiniMax	MiniMax-M2.1	MIT	230 Mrd.	200k	128k	$0.30	$1.20	81 %
xAI	Grok-4 Heavy	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,4 %
xAI	Grok 4	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,3 %

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst Z.ai GLM-5 über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.